利用機(jī)器學(xué)習(xí)算法RF模型、K-means模型與ARMA模型,對(duì)巫山縣范圍內(nèi)12 369條徑流河段進(jìn)行分類(lèi)預(yù)測(cè),研究水文參數(shù)在時(shí)間序列上的變化規(guī)律,探究降雨-徑流演變規(guī)律;并結(jié)合GIS空間可視化技術(shù),綜合研究區(qū)地理環(huán)境,基于RF模型預(yù)測(cè)洪水致災(zāi)范圍,分析洪水災(zāi)害預(yù)測(cè)結(jié)果的空間特征。結(jié)果表明:①RF模型能有效預(yù)測(cè)降雨-徑流演變過(guò)程中參數(shù)的重要性,當(dāng)降雨強(qiáng)度為125 mm、150～175 mm時(shí),預(yù)測(cè)出水位、流速變化率最大;降雨強(qiáng)度為100～175 mm時(shí),預(yù)測(cè)出流速變化率最為劇烈;②利用ARMA模型預(yù)測(cè)出河流比降、流量等水文參數(shù)回歸性最好,較低等級(jí)河流所預(yù)測(cè)參數(shù)中,水位、流速變化率最為明顯,流量無(wú)明顯變化。相較于水位變化率,流速變化更為強(qiáng)烈,流速、水位變化率主要集中于等級(jí)較高河流;③機(jī)器學(xué)習(xí)算法能有效預(yù)測(cè)研究區(qū)洪水易發(fā)程度,在表征研究區(qū)水文參數(shù)時(shí),水位變化主要集中于西北部、中南部,東北部與中南部水位變化率顯著,預(yù)測(cè)出部分地區(qū)水位可升至20 m,處極危險(xiǎn)狀態(tài)。 

【文章來(lái)源】：中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,59(01)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

巫山縣模型預(yù)測(cè)結(jié)果對(duì)比驗(yàn)證圖

圖1 巫山縣模型預(yù)測(cè)結(jié)果對(duì)比驗(yàn)證圖預(yù)測(cè)結(jié)果中,土壤類(lèi)型指標(biāo)重要性最高,其中黃棕壤平均預(yù)測(cè)值達(dá)8 835,效應(yīng)值2 083,影響最為強(qiáng),而水稻土與黃壤平均預(yù)測(cè)值為7 521,效應(yīng)值為1 368,影響力次之。而土壤類(lèi)型在河流、潮土、石灰?guī)r、紫色土、裸巖平均預(yù)測(cè)值為6 581,效應(yīng)值為-170,影響力較低;土地利用類(lèi)型中城鄉(xiāng)、工礦、居民用地、未利用地、耕地平均預(yù)測(cè)為6 751,效應(yīng)值為558,林地、水域、草地平均預(yù)測(cè)值5 865,效應(yīng)值為-327,可見(jiàn)林地、草地保水能力較強(qiáng),對(duì)其水流阻礙能力也強(qiáng),其預(yù)測(cè)值低于其他類(lèi)型用地;當(dāng)河流比降> 0.002時(shí),平均預(yù)測(cè)值達(dá)8 134,效應(yīng)值為612。而當(dāng)河道比降≤0.001時(shí),平均預(yù)測(cè)值為5 539,效應(yīng)值為-1 438�？梢�(jiàn),河流比降預(yù)測(cè)重要性雖強(qiáng),但效應(yīng)值卻很低;而分類(lèi)預(yù)測(cè)結(jié)果中,25、125和200 mm流速預(yù)測(cè)結(jié)果最為精確,統(tǒng)計(jì)結(jié)果詳見(jiàn)表2。

從圖3可以得出,在不同降雨強(qiáng)度情況下,水位變化率最小,而流速變化率最為明顯。由此可見(jiàn),水位變化更易引發(fā)洪水災(zāi)害,而流速變化,主要表現(xiàn)為構(gòu)筑物的沖擊效應(yīng)。由于洪水災(zāi)害制災(zāi)因素在時(shí)間序列上存在變動(dòng)情況,不同時(shí)間降雨量不同,導(dǎo)致水文參數(shù)變動(dòng)情況不同。通過(guò)ARMA模型模擬水文參數(shù)在時(shí)間序列上的變化。根據(jù)水文參數(shù)在空間上排序?yàn)闀r(shí)間預(yù)測(cè)目標(biāo)值,再以不同降雨強(qiáng)度下水文參數(shù)量化指標(biāo)為回歸預(yù)測(cè)值,并對(duì)回歸殘差值進(jìn)行處理,最終模擬出水文參數(shù)指標(biāo)在時(shí)間序列上的回歸預(yù)測(cè)模型(圖4)。

【參考文獻(xiàn)】：
期刊論文
[1]遙感大數(shù)據(jù)時(shí)代與智能信息提取[J]. 張兵.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[2]近50 a澴河上游汛期降雨徑流多尺度時(shí)空演變[J]. 孫周亮,劉冀,談新,董曉華,舒章康.  長(zhǎng)江流域資源與環(huán)境. 2018(06)
[3]基于HEC-RAS模型的漢江上游東漢時(shí)期古洪水事件研究[J]. 王光朋,查小春,黃春長(zhǎng),龐獎(jiǎng)勵(lì),張國(guó)芳.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]基于特征優(yōu)選的隨機(jī)森林模型的黃河口濱海濕地信息提取研究[J]. 劉家福,李林峰,任春穎,毛德華,張柏.  濕地科學(xué). 2018(02)
[5]長(zhǎng)江中下游流域旱澇急轉(zhuǎn)事件特征分析及其與ENSO的關(guān)系[J]. 閃麗潔,張利平,張艷軍,佘敦先,夏軍.  地理學(xué)報(bào). 2018(01)
[6]“階躍式”滑坡位移預(yù)測(cè)及閾值分析的ARMA-（LASSO-ELM）-Copula模型[J]. 李驊錦,許強(qiáng),何雨森,朱星.  巖石力學(xué)與工程學(xué)報(bào). 2017(S2)
[7]低頻氣候變化引起的珠江流域年均和洪峰流量變化特征及靈敏度分析[J]. 顧西輝,張強(qiáng),孔冬冬,肖名忠.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[8]漢江上游漢中市洪水災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 張國(guó)芳,查小春,石曉靜,劉嘉慧,姬霖,王光朋.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[9]基于貝葉斯模式平均與標(biāo)準(zhǔn)化異常度的東江汛期降水預(yù)報(bào)[J]. 吳裕珍,馮志州,王大剛.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[10]CFSR氣象數(shù)據(jù)在流域水文模擬中的適用性評(píng)價(jià)——以灞河流域?yàn)槔齕J]. 胡勝,曹明明,邱海軍,宋進(jìn)喜,吳江,高宇,李京忠,孫克紅.  地理學(xué)報(bào). 2016(09)



本文編號(hào)：2989026